Dragon NaturallySpeaking¶

Dragon NaturallySpeaking — это семейство программных продуктов для распознавания речи, разработанное американской компанией Dragon Systems, а впоследствии — компанией Nuance Communications (ныне часть корпорации Microsoft). Программа позволяет пользователю диктовать текст голосом, а также управлять компьютером с помощью голосовых команд, преобразуя устную речь в письменный текст в реальном времени. Dragon NaturallySpeaking считается одной из первых коммерчески успешных систем непрерывного распознавания речи, предназначенных для массового рынка.

¶История

¶Разработка и первые версии

Разработка Dragon NaturallySpeaking началась в середине 1990-х годов. Компания Dragon Systems, основанная в 1982 году Джеймсом и Джанет Бейкер, ранее специализировалась на системах распознавания речи для профессиональных ниш. Первая версия продукта, Dragon NaturallySpeaking 1.0, была выпущена в июне 1997 года. Её ключевым отличием от предшественников стала способность распознавать непрерывную речь (без необходимости делать паузы между словами), что значительно повысило скорость и удобство ввода текста. Система требовала для работы компьютер с процессором не ниже Pentium 133 МГц и не менее 32 МБ оперативной памяти, что было типично для того времени.

¶Развитие и смена владельца

В 2000 году Dragon Systems была приобретена компанией Lernout & Hauspie, которая вскоре обанкротилась. В 2001 году активы Dragon Systems, включая права на Dragon NaturallySpeaking, были выкуплены компанией ScanSoft, которая в 2005 году сменила название на Nuance Communications. Под управлением Nuance продукт получил дальнейшее развитие: были добавлены поддержка новых языков, улучшена точность распознавания, внедрены функции адаптации к голосу конкретного пользователя. В 2013 году вышла версия Dragon NaturallySpeaking 12, которая стала последней под этим названием. Впоследствии продукт был переименован в Dragon Professional и Dragon Home (для потребительского рынка).

¶Приобретение Microsoft

В 2021 году корпорация Microsoft объявила о приобретении Nuance Communications за 19,7 миллиарда долларов. Сделка была завершена в 2022 году. В результате Dragon NaturallySpeaking и связанные с ним технологии вошли в состав продуктов Microsoft, в частности, используются в Microsoft Azure Cognitive Services для создания облачных решений распознавания речи. Настольные версии продукта продолжают выпускаться под брендом Dragon Professional.

¶Принцип работы

¶Распознавание речи

Dragon NaturallySpeaking использует технологию статистического распознавания речи, основанную на скрытых марковских моделях (HMM) и, в более поздних версиях, на нейронных сетях. Система анализирует акустический сигнал, поступающий с микрофона, и сопоставляет его с акустическими моделями, хранящимися в базе данных. Параллельно используется языковая модель, которая предсказывает наиболее вероятные последовательности слов на основе грамматики и статистики языка.

¶Адаптация к пользователю

Одной из ключевых особенностей Dragon NaturallySpeaking является возможность адаптации к голосу конкретного пользователя. В процессе первоначальной настройки пользователь зачитывает несколько текстовых отрывков, что позволяет системе «обучиться» особенностям его произношения, тембра, темпа речи и акцента. В дальнейшем программа продолжает самообучаться, анализируя исправления, вносимые пользователем в распознанный текст.

¶Управление командами

Помимо диктовки, Dragon NaturallySpeaking поддерживает голосовые команды для управления операционной системой и приложениями. Пользователь может открывать и закрывать программы, переключаться между окнами, выделять и форматировать текст, выполнять операции в веб-браузере и т.д. Команды вводятся голосом, например: «Открой Microsoft Word», «Выделить абзац», «Сохранить документ».

¶Версии и классификация

¶По назначению

Продукт выпускался в нескольких редакциях, ориентированных на разные категории пользователей:

• Dragon NaturallySpeaking Home — базовая версия для домашнего использования, предназначенная для диктовки текста и управления компьютером. Не поддерживала расширенные функции, такие как создание пользовательских команд или работа с медицинскими словарями.
• Dragon NaturallySpeaking Standard — версия для офисных работников, включала базовые возможности для диктовки и управления, а также поддержку нескольких языков.
• Dragon NaturallySpeaking Preferred — расширенная версия с возможностью создания пользовательских команд, поддержкой макросов и интеграцией с Microsoft Office.
• Dragon NaturallySpeaking Professional — версия для профессионалов, включала все функции Preferred, а также поддержку сетевой установки, работу с медицинскими и юридическими словарями, возможность диктовки в любое приложение.
• Dragon NaturallySpeaking Medical — специализированная версия для врачей и медицинских работников, содержала расширенные медицинские словари и шаблоны для заполнения документации.

¶По поколениям

Основные версии продукта (до переименования):

¶Применение

¶Медицина

Одной из ключевых областей применения Dragon NaturallySpeaking является медицина. Врачи используют программу для диктовки историй болезни, медицинских карт, рецептов и других документов. Специализированные версии (Dragon Medical) содержат обширные словари медицинских терминов, что повышает точность распознавания. По данным компании Nuance, использование Dragon Medical позволяет врачам сократить время на заполнение документации на 30–50 %.

¶Юриспруденция

Юристы и адвокаты применяют Dragon NaturallySpeaking для составления юридических документов, договоров, исковых заявлений и судебных протоколов. Специализированные юридические словари включают термины из различных отраслей права.

¶Бизнес и офисная работа

В офисной среде программа используется для диктовки писем, отчётов, презентаций и других документов. Возможность голосового управления компьютером позволяет повысить производительность труда, особенно при работе с большими объёмами текста.

¶Доступность

Dragon NaturallySpeaking является важным инструментом для людей с ограниченными возможностями, в частности, с нарушениями опорно-двигательного аппарата, которые не могут использовать клавиатуру и мышь. Программа позволяет им полноценно работать с компьютером, используя только голос.

¶Критика и ограничения

¶Точность распознавания

Несмотря на значительные улучшения, точность распознавания речи Dragon NaturallySpeaking остаётся зависимой от качества микрофона, уровня фонового шума, акцента и дикции пользователя. В условиях сильного шума или при наличии нескольких говорящих точность может снижаться.

¶Требования к аппаратному обеспечению

Для комфортной работы с программой требуется достаточно мощный компьютер, особенно для версий, использующих нейронные сети. В ранних версиях это было серьёзным ограничением, но с развитием вычислительной техники проблема стала менее острой.

¶Стоимость

Dragon NaturallySpeaking является коммерческим продуктом, и его стоимость (особенно профессиональных и медицинских версий) может быть высокой. Это ограничивает его распространение среди частных пользователей, хотя существуют бесплатные альтернативы, такие как встроенные средства распознавания речи в операционных системах (Windows Speech Recognition, macOS Dictation).

¶Поддержка русского языка

Русскоязычная версия Dragon NaturallySpeaking появилась относительно поздно. Первая локализованная версия (Dragon NaturallySpeaking 9.0) была выпущена в 2006 году. Качество распознавания русского языка, по отзывам пользователей, уступало качеству распознавания английского, особенно в ранних версиях. В настоящее время поддержка русского языка в продукте сохраняется, но основные обновления и улучшения в первую очередь касаются английского и других распространённых языков.

¶Интересные факты

• Dragon NaturallySpeaking стала первой системой непрерывного распознавания речи, которая была доступна для массового рынка, а не только для специализированных приложений.
• В 2005 году программа была использована для создания первой в мире книги, полностью написанной голосом (автор — писатель-фантаст Пол Ди Филиппо).
• Технологии, разработанные для Dragon NaturallySpeaking, легли в основу голосовых помощников, таких как Siri (Apple) и Cortana (Microsoft), а также используются в системах автоматического субтитрирования и транскрибации.

¶Источники

• Официальная документация компании Nuance Communications (Dragon NaturallySpeaking User Guide, версии 1.0–12.0).
• История компании Dragon Systems, опубликованная в журнале «IEEE Annals of the History of Computing».
• Материалы пресс-релизов Microsoft и Nuance Communications о приобретении Nuance (2021–2022 гг.).
• Статьи в специализированных изданиях: «PC Magazine», «Computerworld», «InfoWorld» за 1997–2013 гг.
• Отзывы пользователей и обзоры на сайтах «CNET», «TechRadar», «PCMag».